在OpenCV 3中加载含Flatten层的Keras模型时出现Shape层报错求助

我之前也碰到过一模一样的问题！OpenCV 3.4.1的DNN模块对TensorFlow的一些操作支持真的很有限，你遇到的这个Unknown layer type Shape错误，根源在于Keras的Flatten()层在转换成TensorFlow计算图时，会生成一个Shape操作节点，而旧版OpenCV根本不认识这个节点。

下面给你几个可行的解决方案，按简单程度排序：

1. 用Reshape层替代Flatten层 #

这是最快捷的办法，直接把模型里的Flatten()换成Reshape()层。你只需要先算出MaxPooling之后的特征图总维度，然后把它作为Reshape的参数。

举个例子，假设你的模型是这样的：

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

model = Sequential()
model.add(Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())  # 就是这个层搞事情
model.add(Dense(128, activation='relu'))
model.add(Dense(10, activation='softmax'))

改成用Reshape：

from keras.layers import Reshape

# 先计算MaxPool后的特征图维度：(28-3+1)=26，除以2得到13，所以每个特征图是13x13，共32个通道，总维度是13*13*32=5408
model.add(Reshape((5408,)))
# 或者更灵活的写法，不用手动算，Keras会自动推导：Reshape((-1,))

这样转换后的TensorFlow计算图里就不会出现Shape节点，而是直接用Reshape操作，OpenCV 3.4.1就能正常识别了。

2. 升级OpenCV到4.x版本 #

如果不想改模型代码，那就直接升级OpenCV。OpenCV 4.x之后的版本对TensorFlow的模型支持做了很大改进，很多之前不支持的层（包括Shape）都能正确解析了。你可以用pip直接升级：

pip install --upgrade opencv-python

或者从源码编译最新版，不过pip升级最省事。

3. 手动修改冻结后的计算图（不推荐，太麻烦） #

如果你必须用3.4.1又不想改模型，那可以尝试在冻结图的时候手动替换掉Shape节点。比如用TensorFlow的graph_util工具，遍历计算图节点，把Shape相关的操作替换成固定的维度计算。但这个方法需要对TensorFlow的计算图结构比较熟悉，容易出错，所以除非万不得已，不建议这么做。

总结一下，优先试试换Reshape层，不行就升级OpenCV，这两个方法基本都能解决问题。

内容的提问来源于stack exchange，提问作者Ulysse Darmet